CN113766424B - 一种无人机室内定位方法、装置、计算机设备及存储介质 - Google Patents
一种无人机室内定位方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113766424B CN113766424B CN202111117306.1A CN202111117306A CN113766424B CN 113766424 B CN113766424 B CN 113766424B CN 202111117306 A CN202111117306 A CN 202111117306A CN 113766424 B CN113766424 B CN 113766424B
- Authority
- CN
- China
- Prior art keywords
- minimum variance
- matrix
- spectrum
- unmanned aerial
- aerial vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000001228 spectrum Methods 0.000 claims description 213
- 239000011159 matrix material Substances 0.000 claims description 118
- 230000004044 response Effects 0.000 claims description 37
- 238000004891 communication Methods 0.000 claims description 25
- 238000010606 normalization Methods 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 abstract 1
- 230000008054 signal transmission Effects 0.000 abstract 1
- 238000013461 design Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明涉及无人机定位技术领域,公开了一种无人机室内定位方法、装置、计算机设备及存储介质。通过本发明创造,提供了一种基于预存最小方差谱指纹和实时无线信号的无人机室内定位方案,即在前期基于由无人机在多个已知室内位置上分别发送的无线信号收集好室内环境的多位置指纹数据后,可以在同一室内环境中对需要室内定位的目标无人机,基于接收到的无线信号和所述多位置指纹数据进行无人机实时定位,进而可不依赖于从无人机上发射的信号到多个信号接收器的直达信号传播过程,解决因室内环境遮挡严重而难以适用的问题,特别适用于合作式无人机室内定位。
Description
技术领域
本发明属于无人机定位技术领域,具体地涉及一种无人机室内定位方法、装置、计算机设备及存储介质。
背景技术
随着无人机技术的飞速发展,越来越多的任务可采用无人机执行。在无人机飞行时,位置信息是无人机飞行决策过程的重要信息,在室外环境中,其位置信息主要依赖于全球导航卫星系统提供,如中国的北斗系统,美国的GPS(Global Positioning System,全球定位系统)系统,欧洲的伽利略系统,等等。但是在室内,目前还没有单一的技术可以无差别地为无人机提供精确的位置服务。
目前诸如UWB(Ultra Wide Band,超宽带)定位技术或红外测距定位技术等室内定位方案,主要通过测量信号从发送节点到达接收节点的时间,从而进行三维定位,但是其严重依赖于从发送节点上发射的信号到多个接收节点的直达信号传播过程。这些定位方案不仅需要复杂的安装调试,同时在遮挡严重的室内环境中,将难以适用。
发明内容
为了解决基于现有定位方案对无人机进行室内定位所存在因室内环境遮挡严重而难以适用的问题,本发明目的在于提供一种新型的无人机室内定位方法、装置、计算机设备及存储介质,可在前期基于由无人机在多个已知室内位置上分别发送的无线信号收集好室内环境的多位置指纹数据后,在同一室内环境中对需要室内定位的目标无人机,基于接收到的无线信号和所述多位置指纹数据进行无人机实时定位,进而可不依赖于从无人机上发射的信号到多个信号接收器的直达信号传播过程,解决因室内环境遮挡严重而难以适用的问题,特别适用于合作式无人机室内定位。
第一方面,本发明提供了一种无人机室内定位方法,应用于分别通信连接有至少两个信号接收器的计算机设备中,包括:
获取由所述至少两个信号接收器中的各个信号接收器接收的且由目标无人机发送的无线信号,其中,所述各个信号接收器分别布置在室内不同的固定位置且分别线性均匀地排布有多根天线;
针对所述各个信号接收器,根据在对应的所述多根天线上收到的所述无线信号,采用最小方差谱估计算法计算得到对应的最小方差谱,其中,所述最小方差谱包含有与多个二维角度一一对应的多个谱值;
针对所述各个信号接收器,从最小方差谱指纹库中获取对应的且与多个已知室内位置一一对应的多个最小方差谱指纹,其中,所述最小方差谱指纹预先根据在对应的所述多根天线上收到的且由在对应已知室内位置的无人机发送的所述无线信号,采用所述最小方差谱估计算法计算得到;
针对所述各个信号接收器,从对应的所述多个最小方差谱指纹中确定出与对应的所述最小方差谱匹配的最小方差谱指纹,并将与该最小方差谱指纹对应的已知室内位置作为对应的备选位置;
针对所述各个信号接收器,从对应的所述最小方差谱的多个谱值中确定出最大谱值,并将与该最大谱值对应的二维角度作为对应的射线角度;
针对所述各个信号接收器,根据对应的所述固定位置和对应的所述射线角度,得到对应的射线,其中,所述射线的起点为对应的所述固定位置并按照对应的所述射线角度射出;
根据所有的所述射线,通过射线交叉法确定出射线交点位置;
从所有的所述备选位置中确定出与所述射线交点位置最近的备选位置,并将该备选位置作为所述目标无人机的室内定位结果。
基于上述发明内容,提供了一种基于预存最小方差谱指纹和实时无线信号的无人机室内定位方案,即在前期基于由无人机在多个已知室内位置上分别发送的无线信号收集好室内环境的多位置指纹数据后,可以在同一室内环境中对需要室内定位的目标无人机,基于信号接收器接收到的且由目标无人机发送的无线信号得到最小方差谱,然后根据该最小方差谱与所述多位置指纹数据的匹配结果,确定多个备选位置,并根据该最小方差谱确定出多信号接收器的射线交点位置,最后将距离该射线交点位置最近的备选位置作为目标无人机的室内定位结果,进而可不依赖于从无人机上发射的信号到多个信号接收器的直达信号传播过程,解决因室内环境遮挡严重而难以适用的问题,特别适用于合作式无人机室内定位(即已知接收的无线信号为该目标无人机发送的信号)。另外,基于所述方法的无人机室内三维定位系统,可采用天线数量较多的接收机进行信号处理,从而能够实现波达方向(DOA,Direction Of Arrival)的谱估计,进而建立三维空间最小方差谱指纹库,利用指纹库比对和DOA精确定位,最终确定无人机的三维位置。此外,相比测量信号从无人机到达接收锚节点的时间的定位方法,本实施例所述方法能够适应存在非直达路径环境中的定位;并相比利用信号强度等指标建立指纹库方法,本实施例所述方法不仅能够提高空间指纹分辨率,同时能够取得稳定的指纹库,在不同环境中的鲁棒性较高。
在一个可能的设计中,所述无线信号采用包含有多个子载波的正交频分复用OFMD调制信号,同时针对所述各个信号接收器,根据在对应的所述多根天线上收到的所述无线信号,采用最小方差谱估计算法计算得到对应的最小方差谱,包括:
根据在所述多根天线上收到的所述无线信号,通过信道估计方式获取如下的信道状态信息估计值矩阵C:
式中,k,K,m,M分别表示正整数,K表示所述多个子载波的子载波总数,M表示所述多根天线的天线总数,CSImk表示所述多根天线中的第m根天线在收到所述多个子载波中的第k个子载波的信号前导码后,通过所述信道估计方式获取的信道状态信息估计值;
从所述信道状态信息估计值矩阵C中抽取T列元素组成第一矩阵C1,以及再抽取另外的T列元素组成第二矩阵C2,其中,T表示小于或等于K/2的正整数;
对所述第一矩阵C1中的各个元素分别进行归一化处理,得到第一归一化矩阵NC1,以及对所述第二矩阵C2中的各个元素分别进行所述归一化处理,得到第二归一化矩阵NC2;
针对所述第一归一化矩阵NC1,计算得到对应的第一自相关矩阵AC1,以及针对所述第二归一化矩阵NC2,计算得到对应的第二自相关矩阵AC2;
按照如下公式计算得到第一空间相关矩阵SC1和第二空间相关矩阵SC2:
式中,A表示所述多根天线在空间上形成的阵列流形矩阵,H表示共轭转置符号;
针对多个二维角度中的各个二维角度按照如下公式计算得到对应的第一阵列响应矩阵P1和第二阵列响应矩阵P2:
式中,θ表示在第一平面中的角度值且取值范围为[-90°,+90°],表示在第二平面中的角度值且取值范围为[-90°,+90°],所述第一平面与所述第二平面垂直,/>表示所述多根天线在空间上形成的且关于函数变量有角度θ和角度/>的阵列流形矩阵,SC1-1表示所述第一空间相关矩阵SC1的逆矩阵,SC2-1表示所述第一空间相关矩阵SC2的逆矩阵;
针对所述各个二维角度将对应的所述第一阵列响应矩阵P1与对应的所述第二阵列响应矩阵P2相乘,得到对应的谱值。
在一个可能的设计中,从所述信道状态信息估计值矩阵C中抽取T列元素组成第一矩阵C1,以及再抽取另外的T列元素组成第二矩阵C2,包括:
从所述信道状态信息估计值矩阵C中抽取奇数列元素组成第一矩阵C1,以及从所述信道状态信息估计值矩阵C中抽取偶数列元素组成第二矩阵C2,其中,所述奇数列元素的总列数与所述偶数列元素的总列数相等且分别等于floor(K/2),floor()表示向下取整函数。
在一个可能的设计中,对所述第一矩阵C1中的各个元素分别进行归一化处理,得到第一归一化矩阵NC1,以及对所述第二矩阵C2中的各个元素分别进行所述归一化处理,得到第二归一化矩阵NC2,包括:
针对所述第一矩阵C1和所述第二矩阵C2中的各个元素x,按照如下公式计算得到对应的归一化值
式中,max x表示所述信道状态信息估计值矩阵C中的最大元素值,min x表示所述信道状态信息估计值矩阵C中的最小元素值。
在一个可能的设计中,所述最小方差谱还包含有与所述多个二维角度一一对应的多个所述第一阵列响应矩阵P1和多个所述第二阵列响应矩阵P2,同时针对所述各个信号接收器,从对应的所述多个最小方差谱指纹中确定出与对应的所述最小方差谱匹配的最小方差谱指纹,包括:
针对所述多个最小方差谱指纹中的最小方差谱指纹,按照如下公式计算得到对应的且与所述最小方差谱的皮尔逊相关系数N:
式中, 表示在所述最小方差谱中与所述多个二维角度一一对应的多个谱值,/>表示在对应的最小方差谱指纹中与所述多个二维角度一一对应的多个谱值,/>表示在所述最小方差谱中与所述多个二维角度一一对应的多个第一阵列响应矩阵,/>表示在对应的最小方差谱指纹中与所述多个二维角度一一对应的多个第二阵列响应矩阵,/>表示在所述最小方差谱中与所述多个二维角度一一对应的多个第一阵列响应矩阵,/>表示在对应的最小方差谱指纹中与所述多个二维角度一一对应的多个第二阵列响应矩阵,cov()表示协方差函数,var()表示方差函数;
按照所述皮尔逊相关系数N从高到低的顺序对所述多个最小方差谱指纹进行依次排序,得到最小方差谱指纹序列;
将在所述最小方差谱指纹序列中排前的至少一个最小方差谱指纹作为与所述最小方差谱匹配的最小方差谱指纹。
在一个可能的设计中,根据所有的所述射线,通过射线交叉法确定出射线交点位置,包括:
针对在所有的所述射线中的各对射线,获取到对应的公垂线段,并得到对应的公垂线段中点;
将所有的所述公垂线段中点的平均坐标值确定为射线交点坐标。
在一个可能的设计中,所述多根天线中相邻两天线的间距等于所述无线信号的半个波长。
第二方面,本发明提供了一种无人机室内定位装置,布置于分别通信连接有至少两个信号接收器的计算机设备中,包括有无线信号获取模块、最小方差谱计算模块、最小方差谱指纹获取模块、备选位置确定模块、射线角度确定模块、射线获取模块、射线交点位置确定模块和定位结果确定模块;
所述无线信号获取模块,用于获取由所述至少两个信号接收器中的各个信号接收器接收的且由目标无人机发送的无线信号,其中,所述各个信号接收器分别布置在室内不同的固定位置且分别线性均匀地排布有多根天线;
所述最小方差谱计算模块,通信连接所述无线信号获取模块,用于针对所述各个信号接收器,根据在对应的所述多根天线上收到的所述无线信号,采用最小方差谱估计算法计算得到对应的最小方差谱,其中,所述最小方差谱包含有与多个二维角度一一对应的多个谱值;
所述最小方差谱指纹获取模块,用于针对所述各个信号接收器,从最小方差谱指纹库中获取对应的且与多个已知室内位置一一对应的多个最小方差谱指纹,其中,所述最小方差谱指纹预先根据在对应的所述多根天线上收到的且由在对应已知室内位置的无人机发送的所述无线信号,采用所述最小方差谱估计算法计算得到;
所述备选位置确定模块,分别通信连接所述最小方差谱计算模块和所述最小方差谱指纹获取模块,用于针对所述各个信号接收器,从对应的所述多个最小方差谱指纹中确定出与对应的所述最小方差谱匹配的最小方差谱指纹,并将与该最小方差谱指纹对应的已知室内位置作为对应的备选位置;
所述射线角度确定模块,通信连接所述最小方差谱计算模块,用于针对所述各个信号接收器,从对应的所述最小方差谱的多个谱值中确定出最大谱值,并将与该最大谱值对应的二维角度作为对应的射线角度;
所述射线获取模块,通信连接所述射线角度确定模块,用于针对所述各个信号接收器,根据对应的所述固定位置和对应的所述射线角度,得到对应的射线,其中,所述射线的起点为对应的所述固定位置并按照对应的所述射线角度射出;
所述射线交点位置确定模块,通信连接所述射线获取模块,用于根据所有的所述射线,通过射线交叉法确定出射线交点位置;
所述定位结果确定模块,分别通信连接所述备选位置确定模块和所述射线交点位置确定模块,用于从所有的所述备选位置中确定出与所述射线交点位置最近的备选位置,并将该备选位置作为所述目标无人机的室内定位结果。
第三方面,本发明提供了一种计算机设备,包括有依次通信连接的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发信号,所述处理器用于读取所述计算机程序,执行如第一方面或第一方面中任意可能设计所述的的无人机室内定位方法。
第四方面,本发明提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如上第一方面或第一方面中任意可能设计所述的无人机室内定位方法。
第五方面,本发明提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如上第一方面或第一方面中任意可能设计所述的无人机室内定位方法。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的无人机室内定位方法的流程示意图。
图2是本发明提供的无人机室内定位系统的结构示意图。
图3是本发明提供的无人机室内定位装置的结构示意图。
图4是本发明提供的计算机设备的结构示意图。
上述附图中:1-定位服务器;21-第一信号接收器;22-第二信号接收器;3-天线;4-无人机。
具体实施方式
下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是,对于这些实施例方式的说明虽然是用于帮助理解本发明,但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明示例的实施例。然而,可用很多备选的形式来体现本发明,并且不应当理解为本发明限制在本文阐述的实施例中。
应当理解,尽管本文可能使用术语第一和第二等等来描述各种对象,但是这些对象不应当受到这些术语的限制。这些术语仅用于区分一个对象和另一个对象。例如可以将第一对象称作第二对象,并且类似地可以将第二对象称作第一对象,同时不脱离本发明的示例实施例的范围。
应当理解,对于本文中可能出现的术语“和/或”,其仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A、单独存在B或者同时存在A和B等三种情况;对于本文中可能出现的术语“/和”,其是描述另一种关联对象关系,表示可以存在两种关系,例如,A/和B,可以表示:单独存在A或者同时存在A和B等两种情况;另外,对于本文中可能出现的字符“/”,一般表示前后关联对象是一种“或”关系。
如图1所示,本实施例第一方面提供的所述无人机室内定位方法,应用于分别通信连接有至少两个信号接收器的计算机设备中,所述计算机设备具有一定的计算资源,可以但不限于为个人计算机(Personal Computer,PC,指一种大小、价格和性能适用于个人使用的多用途计算机;台式机、笔记本电脑到小型笔记本电脑和平板电脑以及超级本等都属于个人计算机)、智能手机、个人数字助理(Personal digital assistant,PAD)或可穿戴设备等电子设备。在如图2所示的无人机室内定位系统中,所述计算机设备即为所述定位服务器1,所述至少两个信号接收器即包括但不限于有第一信号接收器21和第二信号接收器22,它们可以但不限于通过以太网线分别通信连接所述定位服务器1,以便将接收到的且由无人机4发送的无线信号实时传送至所述定位服务器1。
所述至少两个信号接收器中的各个信号接收器分别布置在室内不同的固定位置(此位置为系统已知位置)且分别线性均匀地排布有多根天线,如图2所示,所述第一信号接收器21和所述第二信号接收器22分别采用全向的WiFi(Wireless Fidelity,无线保真)接收机并线性均匀地排布有10根天线3,其中,所述多根天线3中相邻两天线3的间距等于所述无线信号的半个波长,例如WiFi无线信号的工作频率为2.4GHz,则所述多根天线3中相邻两天线3的间距可等于6.25厘米。由于所述各个信号接收器及对应的多根天线都可以被动地监听/接收由无人机4发送的WiFi无线信号(其一般为采用包含有多个子载波的正交频分复用OFMD调制信号),因此在前期基于由无人机在多个已知室内位置上分别发送的无线信号收集好室内环境的多位置指纹数据(该数据可离线)后,可以在同一室内环境中对需要室内定位的目标无人机,基于接收到的无线信号和所述多位置指纹数据进行无人机实时定位,进而可不依赖于从无人机上发射的信号到多个信号接收器的直达信号传播过程,解决因室内环境遮挡严重而难以适用的问题,特别适用于合作式无人机室内定位(即已知接收的无线信号为该目标无人机发送的信号)。
如图1所示,所述无人机室内定位方法,可以但不限于包括有如下步骤S1~S9。
S1.获取由所述至少两个信号接收器中的各个信号接收器接收的且由目标无人机发送的无线信号。
在所述步骤S1中,所述目标无人机即为待进行室内定位的无人机。所述无线信号优选采用包含有多个子载波的正交频分复用OFMD(Orthogonal Frequency DivisionMultiplexing)调制信号,其发送及接收方式均为现有常规方式。
S2.针对所述各个信号接收器,根据在对应的所述多根天线上收到的所述无线信号,采用最小方差谱估计算法计算得到对应的最小方差谱,其中,所述最小方差谱包含有与多个二维角度一一对应的多个谱值。
在所述步骤S2中,所述最小方差谱估计算法是在声纳信号波达方向估计中一种十分重要的现有估算方法,可以根据在信号接收器的所述多根天线上收到的所述无线信号,估计得到对应的所述最小方差谱。具体的,当所述无线信号采用包含有多个子载波的正交频分复用OFMD调制信号时,针对所述各个信号接收器,根据在对应的所述多根天线上收到的所述无线信号,采用最小方差谱估计算法计算得到对应的最小方差谱,包括但不限于有如下步骤S21~S27。
S21.根据在所述多根天线上收到的所述无线信号,通过信道估计方式获取如下的信道状态信息估计值矩阵C:
式中,k,K,m,M分别表示正整数,K表示所述多个子载波的子载波总数,M表示所述多根天线的天线总数,CSImk表示所述多根天线中的第m根天线在收到所述多个子载波中的第k个子载波的信号前导码后,通过所述信道估计方式获取的信道状态信息估计值。
在所述步骤S21中,所述信道估计方式为现有方式,例如,所述第m根天线在收到所述第k个子载波的信号前导码smk后,可利用在计算机设备侧已知的且所述第k个子载波的发送前导码Sk,按照公式CSImk=smk/Sk计算得到对应的信道状态信息估计值。
S22.从所述信道状态信息估计值矩阵C中抽取T列元素组成第一矩阵C1,以及再抽取另外的T列元素组成第二矩阵C2,其中,T表示小于或等于K/2的正整数。
在所述步骤S22中,为了充分利用信道估计结果,丰富所述最小方差谱的信息量,优选的,可从所述信道状态信息估计值矩阵C中抽取奇数列元素组成第一矩阵C1,以及从所述信道状态信息估计值矩阵C中抽取偶数列元素组成第二矩阵C2,其中,所述奇数列元素的总列数与所述偶数列元素的总列数相等且分别等于floor(K/2),floor()表示向下取整函数。举例的,若所述信道状态信息估计值矩阵C的总列数为奇数,则可在舍弃最后一列元素后,抽取所有的奇数列元素组成所述第一矩阵C1,以及抽取所有的偶数列元素组成所述第二矩阵C2;而若所述信道状态信息估计值矩阵C的总列数为偶数,则可直接抽取所有的奇数列元素组成所述第一矩阵C1,以及抽取所有的偶数列元素组成所述第二矩阵C2。
S23.对所述第一矩阵C1中的各个元素分别进行归一化处理,得到第一归一化矩阵NC1,以及对所述第二矩阵C2中的各个元素分别进行所述归一化处理,得到第二归一化矩阵NC2。
在所述步骤S23中,考虑不同无人机可能存在诸如信号放大器等硬件不一致的情况,因此为了确保后续能够对最小方差谱与预先所得的最小方差谱指纹进行准确匹配,需要分别对所述第一矩阵C1和所述第二矩阵C2进行归一化处理,具体的,针对所述第一矩阵C1和所述第二矩阵C2中的各个元素x,按照如下公式计算得到对应的归一化值
式中,max x表示所述信道状态信息估计值矩阵C中的最大元素值,min x表示所述信道状态信息估计值矩阵C中的最小元素值。
S24.针对所述第一归一化矩阵NC1,计算得到对应的第一自相关矩阵AC1,以及针对所述第二归一化矩阵NC2,计算得到对应的第二自相关矩阵AC2。
在所述步骤S24中,具体计算公式如下:AC1=NC1*(NC1)H,AC2=NC2*(NC2)H,H表示共轭转置符号。
S25.按照如下公式计算得到第一空间相关矩阵SC1和第二空间相关矩阵SC2:
式中,A表示所述多根天线在空间上形成的阵列流形矩阵,H表示共轭转置符号。
在所述步骤S25中,所述阵列流形矩阵即表示在空间物理上的阵列流形,其为现有术语,可基于所述多根天线在空间上的线性均匀排布情况进行常规得到。
S26.针对多个二维角度中的各个二维角度按照如下公式计算得到对应的第一阵列响应矩阵P1和第二阵列响应矩阵P2:
式中,θ表示在第一平面中的角度值且取值范围为[-90°,+90°],表示在第二平面中的角度值且取值范围为[-90°,+90°],所述第一平面与所述第二平面垂直,/>表示所述多根天线在空间上形成的且关于函数变量有角度θ和角度/>的阵列流形矩阵,SC1-1表示所述第一空间相关矩阵SC1的逆矩阵,SC2-1表示所述第一空间相关矩阵SC2的逆矩阵。
在所述步骤S26中,由于最小方差无失真响应估计器的原理是利用阵列响应在除在真实的信号二维入射角以外的所有角度都最小,因此只需估计从-90°到+90°的每个二维角度/>的阵列响应。此外,所述二维角度的个数越多,后续通过射线交叉法确定出的射线交点位置越准确。
S27.针对所述各个二维角度将对应的所述第一阵列响应矩阵P1与对应的所述第二阵列响应矩阵P2相乘,得到对应的谱值。
S3.针对所述各个信号接收器,从最小方差谱指纹库中获取对应的且与多个已知室内位置一一对应的多个最小方差谱指纹,其中,所述最小方差谱指纹预先根据在对应的所述多根天线上收到的且由在对应已知室内位置的无人机发送的所述无线信号,采用所述最小方差谱估计算法计算得到。
在所述步骤S3中,所述最小方差谱指纹库可以位于云端,也可以位于所述计算机设备的本地存储器中,因此可通过常规方式获取预存的所述多个最小方差谱指纹。由于所述最小方差谱指纹也是采用所述最小方差谱估计算法计算得到,因此也会包含有与所述多个二维角度一一对应的多个谱值,其具体的预先获取方式可参见前述步骤S21~S27,于此不再赘述。若所述最小方差谱还包含有与所述多个二维角度一一对应的多个所述第一阵列响应矩阵P1和多个所述第二阵列响应矩阵P2,则所述最小方差谱指纹也会包含有与所述多个二维角度一一对应的多个第一阵列响应矩阵和多个第二阵列响应矩阵。此外,所述已知室内位置的个数越多,后续的无人机室内定位结果会越准确。
S4.针对所述各个信号接收器,从对应的所述多个最小方差谱指纹中确定出与对应的所述最小方差谱匹配的最小方差谱指纹,并将与该最小方差谱指纹对应的已知室内位置作为对应的备选位置。
在所述步骤S4中,优选的,当所述最小方差谱还包含有与所述多个二维角度一一对应的多个所述第一阵列响应矩阵P1和多个所述第二阵列响应矩阵P2时,针对所述各个信号接收器,从对应的所述多个最小方差谱指纹中确定出与对应的所述最小方差谱匹配的最小方差谱指纹,包括但不限于有如下步骤S41~S43。
S41.针对所述多个最小方差谱指纹中的最小方差谱指纹,按照如下公式计算得到对应的且与所述最小方差谱的皮尔逊相关系数N:
式中, 表示在所述最小方差谱中与所述多个二维角度一一对应的多个谱值,/>表示在对应的最小方差谱指纹中与所述多个二维角度一一对应的多个谱值,/>表示在所述最小方差谱中与所述多个二维角度一一对应的多个第一阵列响应矩阵,/>表示在对应的最小方差谱指纹中与所述多个二维角度一一对应的多个第二阵列响应矩阵,/>表示在所述最小方差谱中与所述多个二维角度一一对应的多个第一阵列响应矩阵,/>表示在对应的最小方差谱指纹中与所述多个二维角度一一对应的多个第二阵列响应矩阵,cov()表示协方差函数,var()表示方差函数。
S42.按照所述皮尔逊相关系数N从高到低的顺序对所述多个最小方差谱指纹进行依次排序,得到最小方差谱指纹序列。
S43.将在所述最小方差谱指纹序列中排前的至少一个最小方差谱指纹作为与所述最小方差谱匹配的最小方差谱指纹。
在所述步骤S43中,举例的,可将在所述最小方差谱指纹序列中排前的两个最小方差谱指纹作为与所述最小方差谱匹配的最小方差谱指纹,如此针对各个信号接收器,可分别得到对应的两个备选位置;进一步若所述至少两个信号接收器采用如图2所示的所述第一信号接收器21和所述第二信号接收器22,可总共得到四个备选位置。此外,也可以在所述多个最小方差谱指纹中将皮尔逊相关系数N大于或等于预设系数阈值的至少一个最小方差谱指纹作为与所述最小方差谱匹配的最小方差谱指纹,如此针对各个信号接收器,可分别得到对应的至少一个备选位置。
S5.针对所述各个信号接收器,从对应的所述最小方差谱的多个谱值中确定出最大谱值,并将与该最大谱值对应的二维角度作为对应的射线角度。
在所述步骤S5中,其与所述步骤S4的执行顺序并无限定,可早于、同时或晚于所述步骤S4执行。
S6.针对所述各个信号接收器,根据对应的所述固定位置和对应的所述射线角度,得到对应的射线,其中,所述射线的起点为对应的所述固定位置并按照对应的所述射线角度射出。
S7.根据所有的所述射线,通过射线交叉法确定出射线交点位置。
在所述步骤S7中,优选的,根据所有的所述射线,通过射线交叉法确定出射线交点位置,包括但不限于有如下步骤:先针对在所有的所述射线中的各对射线,获取到对应的公垂线段,并得到对应的公垂线段中点;然后将所有的所述公垂线段中点的平均坐标值确定为射线交点坐标。
S8.从所有的所述备选位置中确定出与所述射线交点位置最近的备选位置,并将该备选位置作为所述目标无人机的室内定位结果。
在所述步骤S8中,也可以通过计算距离的平方,并将与最小距离平方对应的备选位置作为所述目标无人机的室内定位结果。
由此基于前述步骤S1~S9所描述的无人机室内定位方法,提供了一种基于预存最小方差谱指纹和实时无线信号的无人机室内定位方案,即在前期基于由无人机在多个已知室内位置上分别发送的无线信号收集好室内环境的多位置指纹数据后,可以在同一室内环境中对需要室内定位的目标无人机,基于信号接收器接收到的且由目标无人机发送的无线信号得到最小方差谱,然后根据该最小方差谱与所述多位置指纹数据的匹配结果,确定多个备选位置,并根据该最小方差谱确定出多信号接收器的射线交点位置,最后将距离该射线交点位置最近的备选位置作为目标无人机的室内定位结果,进而可不依赖于从无人机上发射的信号到多个信号接收器的直达信号传播过程,解决因室内环境遮挡严重而难以适用的问题,特别适用于合作式无人机室内定位(即已知接收的无线信号为该目标无人机发送的信号)。
另外,基于所述方法的无人机室内三维定位系统,可采用天线数量较多的接收机进行信号处理,从而能够实现波达方向(DOA,Direction Of Arrival)的谱估计,进而建立三维空间最小方差谱指纹库,利用指纹库比对和DOA精确定位,最终确定无人机的三维位置。
此外,相比测量信号从无人机到达接收锚节点的时间的定位方法,本实施例所述方法能够适应存在非直达路径环境中的定位;并相比利用信号强度等指标建立指纹库方法,本实施例所述方法不仅能够提高空间指纹分辨率,同时能够取得稳定的指纹库,其具体在不同环境中的测试结果如下表1所示:
表1.本实施例所述方法在不同环境中的测试结果
由上表可知,本实施例所述方法在不同环境中的鲁棒性较高。
如图3所示,本实施例第二方面提供了一种实现第一方面所述的无人机室内定位方法的虚拟装置,布置于分别通信连接有至少两个信号接收器的计算机设备中,包括有无线信号获取模块、最小方差谱计算模块、最小方差谱指纹获取模块、备选位置确定模块、射线角度确定模块、射线获取模块、射线交点位置确定模块和定位结果确定模块;
所述无线信号获取模块,用于获取由所述至少两个信号接收器中的各个信号接收器接收的且由目标无人机发送的无线信号,其中,所述各个信号接收器分别布置在室内不同的固定位置且分别线性均匀地排布有多根天线;
所述最小方差谱计算模块,通信连接所述无线信号获取模块,用于针对所述各个信号接收器,根据在对应的所述多根天线上收到的所述无线信号,采用最小方差谱估计算法计算得到对应的最小方差谱,其中,所述最小方差谱包含有与多个二维角度一一对应的多个谱值;
所述最小方差谱指纹获取模块,用于针对所述各个信号接收器,从最小方差谱指纹库中获取对应的且与多个已知室内位置一一对应的多个最小方差谱指纹,其中,所述最小方差谱指纹预先根据在对应的所述多根天线上收到的且由在对应已知室内位置的无人机发送的所述无线信号,采用所述最小方差谱估计算法计算得到;
所述备选位置确定模块,分别通信连接所述最小方差谱计算模块和所述最小方差谱指纹获取模块,用于针对所述各个信号接收器,从对应的所述多个最小方差谱指纹中确定出与对应的所述最小方差谱匹配的最小方差谱指纹,并将与该最小方差谱指纹对应的已知室内位置作为对应的备选位置;
所述射线角度确定模块,通信连接所述最小方差谱计算模块,用于针对所述各个信号接收器,从对应的所述最小方差谱的多个谱值中确定出最大谱值,并将与该最大谱值对应的二维角度作为对应的射线角度;
所述射线获取模块,通信连接所述射线角度确定模块,用于针对所述各个信号接收器,根据对应的所述固定位置和对应的所述射线角度,得到对应的射线,其中,所述射线的起点为对应的所述固定位置并按照对应的所述射线角度射出;
所述射线交点位置确定模块,通信连接所述射线获取模块,用于根据所有的所述射线,通过射线交叉法确定出射线交点位置;
所述定位结果确定模块,分别通信连接所述备选位置确定模块和所述射线交点位置确定模块,用于从所有的所述备选位置中确定出与所述射线交点位置最近的备选位置,并将该备选位置作为所述目标无人机的室内定位结果。
本实施例第二方面提供的前述装置的工作过程、工作细节和技术效果,可以参见第一方面所述的无人机室内定位方法,于此不再赘述。
如图4所示,本实施例第三方面提供了一种执行第一方面所述的无人机室内定位方法的计算机设备,包括有依次通信连接的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发信号,所述处理器用于读取所述计算机程序,执行如第一方面所述的无人机室内定位方法。具体举例的,所述存储器可以但不限于包括随机存取存储器(Random-Access Memory,RAM)、只读存储器(Read-Only Memory,ROM)、闪存(Flash Memory)、先进先出存储器(First Input First Output,FIFO)和/或先进后出存储器(First Input Last Output,FILO)等等;所述收发器可以但不限于为WiFi(无线保真)无线收发器、蓝牙无线收发器、GPRS(General Packet Radio Service,通用分组无线服务技术)无线收发器和/或ZigBee(紫蜂协议,基于IEEE802.15.4标准的低功耗局域网协议)无线收发器等;所述处理器可以但不限于采用型号为STM32F105系列的微处理器。此外,所述计算机设备还可以但不限于包括有电源模块、显示屏和其它必要的部件。
本实施例第三方面提供的前述计算机设备的工作过程、工作细节和技术效果,可以参见第一方面所述的无人机室内定位方法,于此不再赘述。
本实施例第四方面提供了一种存储包含第一方面所述的无人机室内定位方法的指令的计算机可读存储介质,即所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一方面所述的无人机室内定位方法。其中,所述计算机可读存储介质是指存储数据的载体,可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等计算机可读存储介质,所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
本实施例第四方面提供的前述计算机可读存储介质的工作过程、工作细节和技术效果,可以参见第一方面所述的无人机室内定位方法,于此不再赘述。
本实施例第五方面提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如第一方面所述的无人机室内定位方法。其中,所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
最后应说明的是,本发明不局限于上述可选的实施方式,任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制,本发明的保护范围应当以权利要求书中界定的为准,并且说明书可以用于解释权利要求书。
Claims (10)
1.一种无人机室内定位方法,其特征在于,应用于分别通信连接有至少两个信号接收器的计算机设备中,包括:
获取由所述至少两个信号接收器中的各个信号接收器接收的且由目标无人机发送的无线信号,其中,所述各个信号接收器分别布置在室内不同的固定位置且分别线性均匀地排布有多根天线;
针对所述各个信号接收器,根据在对应的所述多根天线上收到的所述无线信号,采用最小方差谱估计算法计算得到对应的最小方差谱,其中,所述最小方差谱包含有与多个二维角度一一对应的多个谱值;
针对所述各个信号接收器,从最小方差谱指纹库中获取对应的且与多个已知室内位置一一对应的多个最小方差谱指纹,其中,所述最小方差谱指纹预先根据在对应的所述多根天线上收到的且由在对应已知室内位置的无人机发送的所述无线信号,采用所述最小方差谱估计算法计算得到;
针对所述各个信号接收器,从对应的所述多个最小方差谱指纹中确定出与对应的所述最小方差谱匹配的最小方差谱指纹,并将与该最小方差谱指纹对应的已知室内位置作为对应的备选位置;
针对所述各个信号接收器,从对应的所述最小方差谱的多个谱值中确定出最大谱值,并将与该最大谱值对应的二维角度作为对应的射线角度;
针对所述各个信号接收器,根据对应的所述固定位置和对应的所述射线角度,得到对应的射线,其中,所述射线的起点为对应的所述固定位置并按照对应的所述射线角度射出;
根据所有的所述射线,通过射线交叉法确定出射线交点位置;
从所有的所述备选位置中确定出与所述射线交点位置最近的备选位置,并将该备选位置作为所述目标无人机的室内定位结果。
2.如权利要求1所述的无人机室内定位方法,其特征在于,所述无线信号采用包含有多个子载波的正交频分复用OFMD调制信号,同时针对所述各个信号接收器,根据在对应的所述多根天线上收到的所述无线信号,采用最小方差谱估计算法计算得到对应的最小方差谱,包括:
根据在所述多根天线上收到的所述无线信号,通过信道估计方式获取如下的信道状态信息估计值矩阵C:
式中,k,K,m,M分别表示正整数,K表示所述多个子载波的子载波总数,M表示所述多根天线的天线总数,CSImk表示所述多根天线中的第m根天线在收到所述多个子载波中的第k个子载波的信号前导码后,通过所述信道估计方式获取的信道状态信息估计值;
从所述信道状态信息估计值矩阵C中抽取T列元素组成第一矩阵C1,以及再抽取另外的T列元素组成第二矩阵C2,其中,T表示小于或等于K/2的正整数;
对所述第一矩阵C1中的各个元素分别进行归一化处理,得到第一归一化矩阵NC1,以及对所述第二矩阵C2中的各个元素分别进行所述归一化处理,得到第二归一化矩阵NC2;
针对所述第一归一化矩阵NC1,计算得到对应的第一自相关矩阵AC1,以及针对所述第二归一化矩阵NC2,计算得到对应的第二自相关矩阵AC2;
按照如下公式计算得到第一空间相关矩阵SC1和第二空间相关矩阵SC2:
式中,A表示所述多根天线在空间上形成的阵列流形矩阵,H表示共轭转置符号;
针对多个二维角度中的各个二维角度(θ,),按照如下公式计算得到对应的第一阵列响应矩阵P1和第二阵列响应矩阵P2:
式中,θ表示在第一平面中的角度值且取值范围为[-90°,+90°],表示在第二平面中的角度值且取值范围为[-90°,+90°],所述第一平面与所述第二平面垂直,/>表示所述多根天线在空间上形成的且关于函数变量有角度θ和角度/>的阵列流形矩阵,SC1-1表示所述第一空间相关矩阵SC1的逆矩阵,SC2-1表示所述第一空间相关矩阵SC2的逆矩阵;
针对所述各个二维角度(θ,),将对应的所述第一阵列响应矩阵P1与对应的所述第二阵列响应矩阵P2相乘,得到对应的谱值。
3.如权利要求2所述的无人机室内定位方法,其特征在于,从所述信道状态信息估计值矩阵C中抽取T列元素组成第一矩阵C1,以及再抽取另外的T列元素组成第二矩阵C2,包括:
从所述信道状态信息估计值矩阵C中抽取奇数列元素组成第一矩阵C1,以及从所述信道状态信息估计值矩阵C中抽取偶数列元素组成第二矩阵C2,其中,所述奇数列元素的总列数与所述偶数列元素的总列数相等且分别等于floor(K/2),floor()表示向下取整函数。
4.如权利要求2所述的无人机室内定位方法,其特征在于,对所述第一矩阵C1中的各个元素分别进行归一化处理,得到第一归一化矩阵NC1,以及对所述第二矩阵C2中的各个元素分别进行所述归一化处理,得到第二归一化矩阵NC2,包括:
针对所述第一矩阵C1和所述第二矩阵C2中的各个元素x,按照如下公式计算得到对应的归一化值
式中,max x表示所述信道状态信息估计值矩阵C中的最大元素值,min x表示所述信道状态信息估计值矩阵C中的最小元素值。
5.如权利要求2所述的无人机室内定位方法,其特征在于,所述最小方差谱还包含有与所述多个二维角度一一对应的多个所述第一阵列响应矩阵P1和多个所述第二阵列响应矩阵P2,同时针对所述各个信号接收器,从对应的所述多个最小方差谱指纹中确定出与对应的所述最小方差谱匹配的最小方差谱指纹,包括:
针对所述多个最小方差谱指纹中的最小方差谱指纹,按照如下公式计算得到对应的且与所述最小方差谱的皮尔逊相关系数N:
式中, 表示在所述最小方差谱中与所述多个二维角度一一对应的多个谱值,/>表示在对应的最小方差谱指纹中与所述多个二维角度一一对应的多个谱值,/>表示在所述最小方差谱中与所述多个二维角度一一对应的多个第一阵列响应矩阵,/>表示在对应的最小方差谱指纹中与所述多个二维角度一一对应的多个第二阵列响应矩阵,/>表示在所述最小方差谱中与所述多个二维角度一一对应的多个第一阵列响应矩阵,/>表示在对应的最小方差谱指纹中与所述多个二维角度一一对应的多个第二阵列响应矩阵,cov()表示协方差函数,var()表示方差函数;
按照所述皮尔逊相关系数N从高到低的顺序对所述多个最小方差谱指纹进行依次排序,得到最小方差谱指纹序列;
将在所述最小方差谱指纹序列中排前的至少一个最小方差谱指纹作为与所述最小方差谱匹配的最小方差谱指纹。
6.如权利要求1所述的无人机室内定位方法,其特征在于,根据所有的所述射线,通过射线交叉法确定出射线交点位置,包括:
针对在所有的所述射线中的各对射线,获取到对应的公垂线段,并得到对应的公垂线段中点;
将所有的所述公垂线段中点的平均坐标值确定为射线交点坐标。
7.如权利要求1所述的无人机室内定位方法,其特征在于,所述多根天线中相邻两天线的间距等于所述无线信号的半个波长。
8.一种无人机室内定位装置,其特征在于,布置于分别通信连接有至少两个信号接收器的计算机设备中,包括有无线信号获取模块、最小方差谱计算模块、最小方差谱指纹获取模块、备选位置确定模块、射线角度确定模块、射线获取模块、射线交点位置确定模块和定位结果确定模块;
所述无线信号获取模块,用于获取由所述至少两个信号接收器中的各个信号接收器接收的且由目标无人机发送的无线信号,其中,所述各个信号接收器分别布置在室内不同的固定位置且分别线性均匀地排布有多根天线;
所述最小方差谱计算模块,通信连接所述无线信号获取模块,用于针对所述各个信号接收器,根据在对应的所述多根天线上收到的所述无线信号,采用最小方差谱估计算法计算得到对应的最小方差谱,其中,所述最小方差谱包含有与多个二维角度一一对应的多个谱值;
所述最小方差谱指纹获取模块,用于针对所述各个信号接收器,从最小方差谱指纹库中获取对应的且与多个已知室内位置一一对应的多个最小方差谱指纹,其中,所述最小方差谱指纹预先根据在对应的所述多根天线上收到的且由在对应已知室内位置的无人机发送的所述无线信号,采用所述最小方差谱估计算法计算得到;
所述备选位置确定模块,分别通信连接所述最小方差谱计算模块和所述最小方差谱指纹获取模块,用于针对所述各个信号接收器,从对应的所述多个最小方差谱指纹中确定出与对应的所述最小方差谱匹配的最小方差谱指纹,并将与该最小方差谱指纹对应的已知室内位置作为对应的备选位置;
所述射线角度确定模块,通信连接所述最小方差谱计算模块,用于针对所述各个信号接收器,从对应的所述最小方差谱的多个谱值中确定出最大谱值,并将与该最大谱值对应的二维角度作为对应的射线角度;
所述射线获取模块,通信连接所述射线角度确定模块,用于针对所述各个信号接收器,根据对应的所述固定位置和对应的所述射线角度,得到对应的射线,其中,所述射线的起点为对应的所述固定位置并按照对应的所述射线角度射出;
所述射线交点位置确定模块,通信连接所述射线获取模块,用于根据所有的所述射线,通过射线交叉法确定出射线交点位置;
所述定位结果确定模块,分别通信连接所述备选位置确定模块和所述射线交点位置确定模块,用于从所有的所述备选位置中确定出与所述射线交点位置最近的备选位置,并将该备选位置作为所述目标无人机的室内定位结果。
9.一种计算机设备,其特征在于,包括有依次通信连接的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发信号,所述处理器用于读取所述计算机程序,执行如权利要求1~7中任意一项所述的无人机室内定位方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如权利要求1~7中任意一项所述的无人机室内定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111117306.1A CN113766424B (zh) | 2021-09-23 | 2021-09-23 | 一种无人机室内定位方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111117306.1A CN113766424B (zh) | 2021-09-23 | 2021-09-23 | 一种无人机室内定位方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113766424A CN113766424A (zh) | 2021-12-07 |
CN113766424B true CN113766424B (zh) | 2023-11-03 |
Family
ID=78797149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111117306.1A Active CN113766424B (zh) | 2021-09-23 | 2021-09-23 | 一种无人机室内定位方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113766424B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105301558A (zh) * | 2015-09-22 | 2016-02-03 | 济南东朔微电子有限公司 | 一种基于蓝牙位置指纹的室内定位方法 |
WO2016019354A1 (en) * | 2014-08-01 | 2016-02-04 | Invisitrack, Inc. | Partially synchronized multilateration/trilateration method and system for positional finding using rf |
CN105547297A (zh) * | 2015-12-11 | 2016-05-04 | 武汉大学 | 一种基于uwb定位系统的室内定位方法 |
KR20180049608A (ko) * | 2016-11-03 | 2018-05-11 | 계명대학교 산학협력단 | 실내 공간에서 드론을 이용한 위치 추정 장치 및 그 방법 |
CN109084774A (zh) * | 2018-08-07 | 2018-12-25 | 西安电子科技大学 | 一种基于信道状态信息的无人机集群定位方法 |
-
2021
- 2021-09-23 CN CN202111117306.1A patent/CN113766424B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016019354A1 (en) * | 2014-08-01 | 2016-02-04 | Invisitrack, Inc. | Partially synchronized multilateration/trilateration method and system for positional finding using rf |
CN105301558A (zh) * | 2015-09-22 | 2016-02-03 | 济南东朔微电子有限公司 | 一种基于蓝牙位置指纹的室内定位方法 |
CN105547297A (zh) * | 2015-12-11 | 2016-05-04 | 武汉大学 | 一种基于uwb定位系统的室内定位方法 |
KR20180049608A (ko) * | 2016-11-03 | 2018-05-11 | 계명대학교 산학협력단 | 실내 공간에서 드론을 이용한 위치 추정 장치 및 그 방법 |
CN109084774A (zh) * | 2018-08-07 | 2018-12-25 | 西安电子科技大学 | 一种基于信道状态信息的无人机集群定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113766424A (zh) | 2021-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Survey on CSI-based indoor positioning systems and recent advances | |
Demirhan et al. | Radar aided 6G beam prediction: Deep learning algorithms and real-world demonstration | |
CN106899935B (zh) | 一种基于无线接收设备和摄像头的室内定位方法及系统 | |
US7379757B2 (en) | System and method for estimating the multi-path delays in a signal using a spatially blind antenna array | |
CN103576124B (zh) | 实时rf信号可视化装置 | |
CN108646213B (zh) | 一种室内多径环境下直达波aoa判定方法 | |
CN108387864A (zh) | 一种到达角计算方法及装置 | |
CN108872971B (zh) | 一种基于运动单阵列的目标定位方法与装置 | |
WO2023000614A1 (zh) | 无线定位参数估计方法、装置、系统、计算机设备及存储介质 | |
CN112235215A (zh) | 一种无线信道探测方法、存储介质及终端设备 | |
CN113993074B (zh) | 一种5g基站信号收发装置及目标定位方法 | |
CN111313943A (zh) | 深度学习辅助的大规模天线阵列下的三维定位方法及装置 | |
CN113917461B (zh) | 一种mimo雷达成像方法及系统 | |
US10168416B1 (en) | Apparatus, system and method of estimating an arrival time of a wireless transmission | |
CN113766424B (zh) | 一种无人机室内定位方法、装置、计算机设备及存储介质 | |
JP2016170032A (ja) | 波源位置選択装置、波源位置算出装置、波源位置選択方法、波源位置算出方法、及びプログラム | |
CN111770527A (zh) | 基于二维特征的可视与非可视信道识别方法及装置 | |
WO2023213051A1 (zh) | 一种基于csi信号到达角估计的静态人体姿势估计方法 | |
Colpaert et al. | 3D non-stationary channel measurement and analysis for MaMIMO-UAV communications | |
CN112505624B (zh) | 一种基于环境反向散射的定位系统 | |
CN110398733B (zh) | 一种基于时间同步的雷达集群单次快拍协同成像方法 | |
CN112911511A (zh) | 一种基于rfid和载波相位的单站室内定位系统及方法 | |
CN111398894A (zh) | 一种基于移动通信网络的低慢小目标检测追踪系统及检测追踪方法 | |
CN117406256B (zh) | 一种应用于低轨互联网卫星的终端定位方法及相关设备 | |
CN115267662B (zh) | 一种基于单运动阵列被动合成孔径的相关干涉仪直接定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |